Haute Ecole de la Province de Liège

Informations générales sur l'unité d'enseignement : "INFORMATIQUE : Développement avancé et traitement des Big Data"

Cycle 2
Niveau du cadre francophone de certification 7
Code ING-2-112 2.1.1
Crédits ECTS 5
Volume horaire (h/an) 60
Période Quadrimestre 1
Implantation(s) TECHNIQUE - Liège (Ing.)
Unité Orientation
Responsable de la fiche VILVENS, Claude
Pondération 50
Composition de l'unité d'enseignement
Intitulé Nombre d'heures Pondération
Développement d'applications sur le Cloud et utilisation d'analytics 30 40
Traitement des Big Data et développement sur mobile 30 60
Prérequis
INFORMATIQUE: Développement réseaux et sécurité logicielle 2
Corequis -
  • Acquis d'apprentissage spécifiques sanctionnés par l'évaluation

  • L'ingénieur informaticien sera capable de concevoir et d'implémenter une stratégie d'exploitation des données basées sur les technologies les plus récentes. [C1- Concevoir des systèmes complexes C2 - Mettre en œuvre des systèmes complexes C5 – Mener une démarche de recherche et d’innovation C4 - Gérer un projet au sein d’une équipe C5 – Mener une démarche de recherche et d’innovation]

    L'ingénieur informaticien saura implémenter une solution de consultation de donnée pour mobiles. [C2 - Mettre en œuvre des systèmes complexes C4 - Gérer un projet au sein d’une équipe C5 – Mener une démarche de recherche et d’innovation]

    L'ingénieur informaticien saura intégrer aux applications client-serveur l’utilisation des cartes à puce, en particulier celle des cartés d'identité électronique. [C1- Concevoir des systèmes complexes C2 - Mettre en œuvre des systèmes complexes C3 - Développer sa professionnalité C4 - Gérer un projet au sein d’une équipe]

    L'ingénieur informaticien saura explorer des ensembles de données grande taille pour en extraire les informations utiles à l'analyse et à l'aide à la décision. [C2 - Mettre en œuvre des systèmes complexes ]

    L'ingénieur informaticien saura, en se basant sur les résultats d'exploration et/ou de classification, utiliser les techniques inférentielles et déterminer la structure sous-jacente d'une sous-ensemble de données. [C2 - Mettre en œuvre des systèmes complexes C3 - Développer sa professionnalité]

  • Objectifs

  • Maîtrise des techniques d'exploration des données dans un contexte de Big Data

    Maîtrise d'outils technologiques autres que ceux de l'informatique installée classique : mobiles, cartes à puces, systèmes logiciels embarqués.

    Compréhension de l'apport des frameworks de types divers dans la développement au sein de l'industrie logicielle.

  • Contenus

  • Exploration des données et analyse avancée des données avec applications pratiques dans l'environnement R (interactif et client-serveur) et en programmation Java:- exploration des données : ACP, AFC, ACM, CAH- tests statistiques : ANOVA, ANCOVA, REG-CORR, Chi-carré, MANOVA

    Technologies embarquées pour accéder aux données : mobiles Android.

    Technologies embarquées comme outils de sécurité : cartes à puces, cartes d'identité électronique.

    Frameworks utilisés dans l'industrie logicielle : Java Web Start, Struts, MVVM, ...

     

  • Méthodes d'enseignement et d'apprentissage

  • Cours magistraux
  • Travaux pratiques ou dirigés
  • Travaux de laboratoire
  • Autres méthodes

  • Evaluation

  • Développement d'applications sur le Cloud et utilisation d'analytics
    • Examen Oral
    • Evaluation Continue
    Traitement des Big Data et développement sur mobile
    • Examen Oral
    • Evaluation Continue
  • Langue(s) de l'unité d'enseignement

  • Français
  • Anglais
  • Supports de cours

  • Big data dans l'environnement R Exploration et analyse des données Vilvens Claude
    Java (V) Systèmes logiciels embarqués : mobiles et cartes à puce Vilvens Claude
  • Lectures conseillées

  • Cornillon, P.A. et al. 2010. Statistiques avec R. Presses Universitaires de Rennes, France.

    Husson, F., Lê, S. & Pagès, J. 2009. Analyse de données avec R. Presses Universitaires de Rennes, France.

    Lemberger, P., Batty, M., Morel, M. & Raffaëlli, J.L. 2016. Big Data et machine learning : Les concepts et les outils de la data science. Ed. Dunod, Malakoff.

    Bécue-Bertaut, M. 2018. Analyse textuelle avec R. Presses Universitaires de Rennes, France.